Create app.py

app.py

@@ -0,0 +1,73 @@
+from fastapi import FastAPI, UploadFile, File, Form
+from fastapi.middleware.cors import CORSMiddleware
+import os
+from PyPDF2 import PdfReader
+from sentence_transformers import SentenceTransformer
+import faiss
+import numpy as np
+import requests
+
+app = FastAPI()
+
+# РАЗРЕШАЕМ ДОСТУП ДЛЯ VERCEL
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"], # В продакшене замени на свой домен vercel
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+# Инициализация модели (загрузится один раз при старте Space)
+model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')
+index = None
+chunks = []
+
+@app.post("/upload")
+async def upload_pdf(file: UploadFile = File(...)):
+    global index, chunks
+    pdf_reader = PdfReader(file.file)
+    text = ""
+    for page in pdf_reader.pages:
+        text += page.extract_text()
+    
+    # Простой чанкинг
+    new_chunks = [text[i:i+800] for i in range(0, len(text), 800)]
+    chunks.extend(new_chunks)
+    
+    # Эмбеддинги и FAISS
+    embeddings = model.encode(new_chunks)
+    dimension = embeddings.shape[1]
+    
+    if index is None:
+        index = faiss.IndexFlatL2(dimension)
+    
+    index.add(np.array(embeddings).astype('float32'))
+    return {"message": f"Загружено {len(new_chunks)} фрагментов"}
+
+@app.post("/ask")
+async def ask(question: str = Form(...)):
+    if not index or not chunks:
+        return {"answer": "Сначала загрузи PDF!"}
+    
+    # Поиск
+    q_emb = model.encode([question])
+    D, I = index.search(np.array(q_emb).astype('float32'), k=3)
+    
+    context = "\n".join([chunks[i] for i in I[0]])
+    
+    # Запрос к DeepSeek (или любому другому API)
+    response = requests.post(
+        "https://api.deepseek.com/v1/chat/completions",
+        headers={"Authorization": f"Bearer {os.getenv('DEEPSEEK_API_KEY')}"},
+        json={
+            "model": "deepseek-chat",
+            "messages": [
+                {"role": "system", "content": f"Отвечай кратко на основе текста:\n{context}"},
+                {"role": "user", "content": question}
+            ],
+            "temperature": 0.1
+        }
+    )
+    
+    ans_data = response.json()
+    return {"answer": ans_data['choices'][0]['message']['content']}